#GB300
•

GB300搬進機櫃：HP把「資料中心級AI」壓縮排邊緣,這盤棋到底為誰而下

GB300搬進機櫃:HP把「資料中心級AI」壓縮排邊緣,這盤棋到底為誰而下 2026年09月11日,HP聯合Red Hat、NVIDIA拋出了一個訊號明確的組合拳:把跑在資料中心裡的生產級AI推理,原樣搬到邊緣去跑。核心產品是HP ZGX Fury工作站,搭載NVIDIA GB300 Grace Blackwell Ultra Desktop超級晶片,外加Red Hat AI Factory負責統一編排。官方口徑給出的峰值算力是20 PFLOPS FP4,支援最高約1兆參數等級的模型本地跑起來。這事為什麼現在重要——因為它標誌著"雲端集中推理"這套過去三年的默認架構,正在被詞元成本、資料主權和延遲這三座大山逼著往回退。 聚焦 🔍 HP、Red Hat、NVIDIA三方聯合發佈企業級邊緣AI平台,把GB300超級晶片、Red Hat AI Factory與OpenShift打包成"沙箱到生產"的一條龍方案,主打讓企業在工廠、門店、政務機房這類非資料中心場景直接跑大模型推理。
科技#GB300#HP#Red Hat
•

首批GB300 GPU下線

據報導稱，輝達首片美國本土產GB300 AI晶片近日下線，由台積電亞利桑那Fab 21工廠採用4奈米工藝製造。這標誌著美國已具備先進AI GPU的量產能力，再次驗證了台積電美國工廠在高端晶片製造上的實力。 不過，這批在亞利桑那州完成製造的晶圓，還只是晶片的“半成品”。它們仍須空運回台灣，由台積電完成標誌性的CoWoS先進封裝，隨後才能交給系統廠商做最終組裝。晶圓在美國造，封裝在台灣做，美國費了這麼大勁，AI晶片製造卻仍未閉環。 美國AI供應鏈目前只差CoWoS先進封裝本土化這一環，即可補齊AI晶片全流程在美國製造的最後一塊拼圖。 台積電目前正推進美國晶片封裝落地，計畫投資2650億美元在亞利桑那州建設兩座先進封裝工廠，從而形成一個完整的製造叢集，補齊美國生產晶片的最後一塊拼圖。
首批GB300 GPU下線
科技#AI晶片#GB300#GPU
•

白宮官員敘事：月之暗面通過泰國搞到了被禁運的輝達GB300晶片，還對Claude旗艦模型做了“大規模、隱蔽的工業蒸餾”

2026年7月22日，白宮科技政策辦公室主任邁克爾·克拉西奧斯在X上發帖，矛頭指向一周前發佈的中國大模型Kimi K3。 CNBC、彭博社、《國會山報》當天和次日都有跟進。克拉西奧斯說，北京AI創業公司月之暗面（Moonshot AI）通過泰國搞到了被禁運的輝達GB300晶片，還對Anthropic的旗艦模型Claude做了“大規模、隱蔽的工業蒸餾”。 Kimi K3於7月16日推出，參數規模2.8兆，是全球開源模型的新紀錄。多項基準測試成績逼近Claude 3和GPT-4o。 克拉西奧斯的帖文稱，這種蒸餾“意在獲取美國專有技術，影響美國研究，不可接受”。美國財長斯科特·貝森特7月22日跟進，威脅要對從事“隱蔽的工業規模蒸餾/智慧財產權侵權”的中國企業實施制裁，納入實體清單。CNBC引述貝森特的話：“美國大模型的水印現在經常在中國模型裡找到，我們接下來幾周會啟動調查。”
白宮官員敘事：月之暗面通過泰國搞到了被禁運的輝達GB300晶片，還對Claude旗艦模型做了“大規模、隱蔽的工業蒸餾”
科技#Kimi K3#輝達#GB300
•

MLCC漲價潮下的華強北“眾生相”

在日韓大廠削減消費類產能、轉產高利潤AI/車規料背景下，一場以MLCC電容為主，包括電阻電感電磁等被動電子元件的“結構性緊缺”席捲市場。MLCC與儲存突圍的路徑不同，國內MLCC的替代路徑是漸進式的，沿著“消費電子-國內汽車電子-國內AI伺服器-全球供應鏈”逐級突破。 “村田1206-476料號單日再漲5%”“GPU超高容型號散貨加價15%仍一料難求”“高容產品一天一價和價格小幅波動同時存在”，這是《科創板日報》記者近日在華強北實地走訪MLCC看到的現場情況。 單台GB300伺服器MLCC用量飆升至3萬顆以上；在日韓大廠主動削減消費類產能、轉產高利潤AI/車規料的背景下，一場以MLCC電容為主，包括電阻電感電磁等被動電子元件的“結構性緊缺”正席捲市場。 《科創板日報》記者從產業鏈處瞭解到，儘管風華高科、三環集團等國產頭部廠商已在介質層厚度、堆疊層數等核心指標上取得突破，並切入國內AI伺服器供應鏈，但在輝達等頂級供應鏈的AI高容MLCC領域，國產廠商仍面臨材料、工藝、認證“三重枷鎖”。
MLCC漲價潮下的華強北“眾生相”
科技#GB300#MLCC#AI
•
🎯「兆元宴」宣告AI盛世才剛開始，AI供應鏈最強天團在這！ 完整版請至江江Line@連結： https://lin.ee/mua8YUP 加入LINE@後右上角的記事本，記得要按讚+分享喔！👍🈵🈵
「兆元宴」宣告AI盛世才剛開始，AI供應鏈最強天團在這！
台股#兆元宴#AI#輝達
•

GB300 Rubin賣爆了！輝達 Q1利潤增加210%，液冷賽道迎來規模化利多！

01. 輝達Q1財報，大超預期，業績暴漲85%，利潤增長210% 今日，備受行業關注的輝達2027財年第一季度財報最新出爐。一季度輝達表現遠超市場預期，營收同比暴漲85%至816億美元，創下歷史新高，其中利潤達到恐怖的583.2億，同比增長210%，一季度就已完成去年利潤的40%。 更加炸裂的是，輝達官方對於第二財季的指引，輝達預計營收將在891億美元-928億美元之間，而華爾街此前的預期是873億美元。 02. 資料中心應收達93%，GB300，Rubin賣爆了
GB300 Rubin賣爆了！輝達 Q1利潤增加210%，液冷賽道迎來規模化利多！
美股#輝達#財報#GB300
•

Google TPU v7和輝達GB300的架構，供應鏈差異

01.Google TPU V7 vs 輝達GB300 晶片差異在 AI 晶片領域，Google TPU 與輝達 GPU 的競爭已進入白熱化階段。作為雙方的旗艦產品，TPU v7（代號 “Ironwood”）與 GB300 分別代表了專用 ASIC 架構與通用平行計算架構的巔峰水平，二者在架構設計、性能參數、能效比、擴展性及成本等維度存在顯著差異，這些差異直接決定了它們在不同 AI 場景中的適配性。TPU v7 屬於ASIC晶片的類別。TPU v7 延續了Google TPU 系列 “犧牲通用性、追求張量運算極致效率” 的設計邏輯，核心架構圍繞深度學習中的矩陣乘法（張量運算核心）深度定製，更加適合推理場景，單晶片功耗中等。GB300 作為輝達 Blackwell 架構的旗艦產品，延續了 GPU “通用平行計算” 的核心優勢，兼顧張量運算、圖形渲染、科學計算等多場景需求，算力較高，適合高算力的AI大模型訓練，成本高，功耗高。02.Google TPU V7 vs 輝達GB300機櫃級架構差異從表面參數來看，TPU v7 與 GB300 的差異首先體現在機櫃尺度上。TPU v7 機櫃的熱設計功率約為 90kW，整櫃部署 64 顆 TPU 晶片，採用 16 台 2U 伺服器的形態。網路層面使用 OCS 光交換架構，機櫃內部不設定獨立交換機，算力節點之間通過高度定製化的光互連直接通訊。相比之下，GB300 機櫃的單櫃功率提升至約熱 150kW，晶片數量 72 顆，伺服器形態收斂為 18 台 1U 伺服器，並配備獨立的 InfiniBand / 乙太網路交換裝置。這種設計明顯更貼近當前主流 AI 資料中心的部署邏輯。但真正值得關注的，並不是功率或晶片數量的差距，而是兩種機櫃在設計目標上的根本不同。TPU v7 本質上是為 Google 內部算力體系定製的“算力終端”；而 GB300 則被定義為可以被反覆複製、快速部署的“標準算力模組”。02.Google TPU V7 vs 輝達GB300伺服器內部架構差異TPU v7 伺服器部署4顆TPU晶片。在 TPU v7 的伺服器內部結構中，液冷系統呈現出高度聚焦的特徵。TPU 晶片被單獨配置為 4 塊小冷板，液冷覆蓋範圍嚴格限定在算力核心之上，而 CPU、記憶體、電源模組仍然沿用風冷方案，儲存系統則未被納入液冷體系。TPU v7 採用 EPDM 軟管、Parker NSP 接頭與 Manifold 分配結構，配合 In-row CDU 使用。這種方案具備良好的安裝靈活性和成本可控性，非常適合 Google 這種自建、自維運的資料中心體系。在 TPU v7 的體系裡，傳統意義上的“交換機”本身就被弱化了。TPU Pod 裡真正承擔大規模互聯角色的，是 OCS（Optical Circuit Switch，光電路交換），這種方案更多是一個“光層調度裝置”，而不是高功耗、高算力的包轉發晶片裝置。這類 OCS 的特點是交換晶片功耗低、發熱密度分散、運行狀態極其穩定，遠沒有 GPU 或 NVLink / InfiniBand 交換 ASIC 那麼“熱”。從熱設計角度看，它根本沒有到必須引入液冷的門檻，用成熟的風冷方案完全可以覆蓋，而且風險更低。GB300伺服器部署4GPU+2GPU。液冷方案更加複雜，液冷覆蓋率95%，幾乎全液冷覆蓋，是小冷板結構，4+2方案，採用不鏽鋼波紋管、MOD + UQD 快接結構，以及 Rack / Row 級 CDU 相容設計，為長期運行、頻繁部署與快速維護而服務的工程選擇。GB300 使用的是新一代 InfiniBand 交換平台（對應 Quantum / Quantum-X 這一代架構），單顆交換 ASIC 的功耗已經進入數百瓦等級，並且連接埠速率、SerDes 數量、內部交換頻寬都在指數級提升。GB300的交換機是1u高度，採用液冷架構方案，Asic晶片部署液冷冷板。04.Google TPU V7 vs 輝達GB300 供應鏈差異由於輝達目前只提供L6板卡產品，不直接提供L10-L11整機伺服器，比如冷板，CDU等部件屬於L6之後的環節，不屬於輝達的直接環節，但是液冷系統又是非常重要的一環，所以為保障下遊客戶使用輝達晶片正常運行，輝達會提前設計一套整機系統提供給終端及伺服器OEM廠商參考，在液冷生態體系中，輝達要求通過一系列的認證測試進而確定各個液冷元件的RVL（推薦供應商名錄）；要成為供應商進入RVL基本成為進入輝達液冷生態體系的強制性要求。在RVL基礎上，輝達GB200採用強制指定少數液冷部件供應商的模式，如 Vertiv 是輝達指定的系統級液冷合作夥伴。在這種模式下，液冷供應商將可能形成產能瓶頸，無法支撐GB300及後續產品的巨大需求。為降低供應鏈的風險，輝達在GB300上做出了調整，僅負責提供液冷部件設計參考及介面的規範；由此給予了ODM/OEM廠商更大的設計靈活性，並且由CSP或ODM/OEM在RVL範圍內自主選擇液冷部件供應商，為新供應商的進入創造了條件。在這種模式下，液冷部件供應商需要同時通過英偉 達RVL 認證以獲取配套資格，同時也需要進入OEM/ODM的AVL（合格供應商名錄）以確保在液冷系統整合階段被選用。Google與輝達的冷供應商選擇模式不同，Google目前不直接出售TPU晶片，而是出售google Colud的算力，資料中心多數採用自健，所以Google的所有資料中心基礎設施產品由google自己採購。因此Google液冷系統供應商會作為一級供應商直接向Google提供配套產品，液冷系統供應商將向Google指定的部件供應商採購液冷系統部件。因此對於國內廠商來說有更大的機會切入Google的供應鏈並且能夠持續獲得市場份額。 (零氪1+1)
Google TPU v7和輝達GB300的架構，供應鏈差異
科技#Google#TPU#輝達
•
🎯一看AI股拉回你就怕？其實更可怕的是~~你太早下車！Line@連結：https://lin.ee/mua8YUP🎯今天很多人看到台股拉回近300點AI回檔、外資又轉賣就又開始擔心：「AI是不是泡沫？是不是要崩了？」但江江告訴大家AI主菜才剛要上桌呢🚀一個數字，直接打爆「AI泡沫論」百年來最猛的3次科技革命（鐵路、汽車、電力），資本支出都衝到全球GDP的2%~3%。你看現在AI呢？只有0.8%！是的，你沒看錯，連1%都不到。UBS說2030年AI capex會衝到1.3兆美元，也只占全球GDP 1%。這根本不是泡沫，這叫前菜階段。企業瘋狂蓋資料中心，輝達GB300訂單排到天邊，黃仁勳自己都說超乎想像。你卻因為股價漲多後一跌就想逃？這樣很容易就被主力洗掉。💰 資金的「金髮女孩」回來了！最新就業數據一公告，12月降息預期直衝80%以上。這什麼意思？經濟沒崩、通膨下降、聯準會準備降息。資金＋AI＝雙渦輪。12月行情，你不跟就可惜了。🎯12月飆股密碼：鎖定這3大族群！1.矽光子CPO正式爆發：800G→1.6T→3.2T→6.4T全面狂奔這不是未來式，是現在進行式。能吃肉的就是：✅3363上詮、3163波若威✅3081聯亞、6442光聖✅2345智邦、4977眾達-KYCPO市場2023到2030年將暴衝172倍。這是世紀級趨勢，不是短線情緒。2.AI伺服器最硬族群：散熱＋PCB＋載板以為散熱漲完？大錯。GB300單台水冷板直接從18塊跳到27塊。液冷滲透率2025年從20%→60%。PCB/載板更狠：2368金像電、8046南電、3037欣興、2383台光電、6274台燿全部受惠AI伺服器換代潮。3.記憶體漲價才剛起步，只走1/4而已！DRAM一輪上行至少8~9季。現在？才第二季。2408南亞科、2344華邦電拉回？那叫「回檔買點」。3260威剛、8271宇瞻、8299群聯、4967十銓都是AI伺服器記憶體的核心軍火庫。🔴接下來我們會在粉絲團持續幫大家鎖定+追蹤，若還不知道該如何操作？那建議你務必要鎖定江江在Line @，將有更進一步的訊息給大家了解。https://lin.ee/mua8YUP🔴想了解還未起漲的市場主流，同步了解大盤多空轉折點及學習預測技術分析，江江YT節目都會持續追蹤+預告。https://reurl.cc/02drMk********************************************************有持股問題或想要飆股→請加入Line：https://lin.ee/mua8YUP江江的Youtube【點股成金】解盤：https://reurl.cc/02drMk*********************************************************(本公司所推薦分析之個別有價證券 無不當之財務利益關係以往之績效不保證未來獲利 投資人應獨立判斷 審慎評估並自負投資風險)
一看AI股拉回你就怕？其實更可怕的是~~你太早下車！
台股#趨勢分析#AI#外資